Одним из наиболее показательных примеров стал ураган Мелисса, обрушившийся на Ямайку в 2025 году. Шторм быстро усилился и достиг пятой категории, став самым мощным ураганом за всю историю наблюдений, вышедшим на сушу на острове. WeatherNext смогла заранее указать на вероятность столь стремительного усиления, что позволило Национальному центру ураганов США учитывать дополнительную информацию при подготовке прогнозов.
Тысяча сценариев одного шторма
Тропические циклоны относятся к числу наиболее сложных для прогнозирования атмосферных явлений. Их траектория и интенсивность зависят от множества взаимосвязанных факторов, а небольшие изменения начальных условий способны существенно изменить дальнейшее развитие системы.
Традиционные численные модели решают уравнения физики атмосферы на суперкомпьютерах. Такой подход обеспечивает высокую точность, но требует значительных вычислительных ресурсов. Кроме того, прогноз становится менее определённым по мере увеличения горизонта.
WeatherNext использует другой подход. Модель обучалась на многолетних данных о глобальной погоде, дополненных специализированным набором данных примерно о 5000 экстремальных циклонов. Вместо одного прогноза система генерирует множество возможных сценариев развития атмосферной системы и оценивает вероятность каждого из них.
В результате синоптики получают не единственную траекторию движения урагана, а распределение возможных сценариев. Это позволяет оценивать не только наиболее вероятный путь, но и вероятность значительного отклонения от него или резкого усиления шторма.
Как ИИ преодолевает ограничения традиционных моделей
При прогнозировании циклонов существует фундаментальный компромисс между глобальным охватом и детализацией. Модели с относительно грубым разрешением хорошо описывают крупномасштабные атмосферные потоки, определяющие направление движения урагана, но хуже воспроизводят локальные процессы, связанные с его усилением.
Высокодетализированные модели, напротив, способны лучше описывать структуру самого шторма, однако требуют значительно больше вычислительных ресурсов.
WeatherNext пытается объединить преимущества обоих подходов. По данным DeepMind, при прогнозировании максимальной скорости ветра и траектории на трёхдневном горизонте модель показала сопоставимую точность с ведущими системами прогнозирования, включая GenCast и американскую Hurricane Analysis and Forecast System (HAFS).
При этом ИИ способен выполнять расчёты значительно быстрее. Прогноз на срок до 15 дней WeatherNext может генерировать менее чем за минуту на одном специализированном ИИ-ускорителе.
Дополнительный день может иметь критическое значение
Для обычного прогноза погоды дополнительный день может быть полезным, но для тропического циклона он способен принципиально изменить возможности служб гражданской защиты.
Если вероятность опасного усиления или изменения траектории становится известна раньше, у властей появляется больше времени для подготовки эвакуации, переброски спасательных подразделений, размещения запасов и предупреждения населения.
Именно поэтому DeepMind рассматривает WeatherNext не как замену традиционным метеорологическим моделям, а как дополнительный инструмент для синоптиков. ИИ способен быстро просчитывать большое количество вариантов, тогда как специалисты оценивают их физическую реалистичность и принимают решения с учётом локальной обстановки.
При этом официальные предупреждения об опасных погодных явлениях по-прежнему должны основываться на данных и решениях национальных метеорологических служб.
ИИ не отменяет физику атмосферы
Развитие WeatherNext является частью более широкой тенденции. За последние несколько лет Google DeepMind представила ряд систем для прогнозирования погоды, включая GraphCast и GenCast. Аналогичные технологии развивают Nvidia, Huawei и другие компании и исследовательские организации.
Однако полностью заменить физические модели искусственный интеллект пока не может. Численные модели основаны непосредственно на физических законах и позволяют исследователям анализировать причины наблюдаемых явлений. Кроме того, они способны моделировать ситуации, для которых в обучающих наборах ИИ практически нет исторических аналогов.
Это особенно важно на фоне изменения климата, поскольку экстремальные погодные явления могут становиться чаще и интенсивнее, а их характеристики — выходить за пределы статистики, на которой обучались алгоритмы.
Перспективным направлением поэтому становится гибридный подход, объединяющий машинное обучение, физические модели и экспертную оценку синоптиков.
В дальнейшем метеорологические ИИ-системы могут использоваться совместно с моделями штормовых нагонов, волнения моря и других опасных явлений. Это позволит прогнозировать уже не только траекторию и силу циклона, но и совокупный риск для конкретных регионов — например, вероятность затопления побережья при определённом сочетании силы шторма, уровня моря и направления ветра.
Таким образом, главное преимущество WeatherNext заключается не только в скорости расчётов. Возможность получить вероятностный прогноз развития циклона примерно на сутки раньше может дать службам гражданской защиты дополнительное время, которое в условиях быстро усиливающегося урагана способно напрямую влиять на количество пострадавших и масштаб ущерба.
Источник: https://singularityhub.com/2026/08/17/deepminds-weather-ai-accurately-predicts-hurricanes-a-day-earl...Если вам понравился материал, кликните значок — вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал —не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!
